핸즈온머신러닝 - 15장 RNN과 CNN을 이용한 시퀀스 처리

안녕하세요 AI OASIS스터디입니다. 이번 시간에는 RNN과 CNN을 이용한 시퀀스 처리에 대해 알아보고자 해요. 시계열 데이터를 다루는 다양한 기법들을 함께 살펴볼 거예요. 미래를 예측하는 AI의 세계로 함께 떠나볼까요?
주요 내용:

RNN의 기본 개념과 구조

재귀적 네트워크의 특징
시퀀스 데이터 처리 방식


BPTT(Backpropagation Through Time)

RNN 학습 방법 이해하기


시카고 교통국 데이터를 이용한 실습

단변량/다변량 시계열 분석
차분과 자기상관 개념


ARIMA 모델 소개

전통적인 시계열 분석 방법 이해


딥러닝을 이용한 시계열 예측

기본 신경망, RNN, LSTM, GRU 비교
다변량 시계열 처리 방법


CNN을 이용한 시계열 처리

1D CNN의 활용
WaveNet 구조 소개



꿀팁:

시계열 데이터는 전처리가 정말 중요해요. 요일, 휴일 등의 변수도 고려해보세요.
LSTM이나 GRU는 긴 시퀀스 처리에 효과적이에요. 하지만 항상 더 좋은 건 아니니 실험해보세요.
간단한 모델부터 시작해서 점점 복잡하게 만들어가는 게 좋아요. 때로는 단순한 게 최선일 수 있어요!

이번 시간을 통해 시계열 데이터 처리의 기초부터 최신 기법까지 폭넓게 살펴봤어요. 다음에는 이를 바탕으로 실제 프로젝트에 적용하는 방법을 알아볼 거예요. 기대해주세요!
지금까지 AI OASIS였습니다.

스터디신청 : [email protected]
참고 깃허브 : https://github.com/restful3/ds4th_study

#RNN #CNN #시계열분석 #딥러닝 #LSTM #GRU #WaveNet #시퀀스처리 #예측모델 #AIoasis #데이터사이언스 #머신러닝 #시카고교통데이터 #ARIMA #1DCNN